Jev — модель TypeSafe AI для быстрых типизированных решений внутри программных процессов. Вместо длинного текста она выбирает вариант, оценивает уровень или возвращает вероятность утверждения.
Определение в двух предложениях
Jev — первая модель класса System One от TypeSafe AI. Она понимает текстовое состояние процесса и отвечает на заранее описанные вопросы в ограниченной типизированной форме.
Разработчик сохраняет контроль: модель делает узкое вероятностное суждение, а код решает, применять ли ответ, направить ли случай человеку или вызвать другую модель.
Какие решения возвращает модель
В Jev нет обычного поля для произвольного ответа. Каждый вопрос имеет тип и пространство допустимых результатов.
- Choice выбирает один вариант и возвращает вероятности по всему списку
- Score размещает состояние на шкале из описанных уровней
- Noul возвращает вероятность того, что утверждение истинно
- несколько независимых вопросов можно оценить в одном вызове
Почему Jev не чат-бот
Чатовая LLM оптимизирована для последовательной генерации текста. Jev не пишет письмо, код или объяснение рассуждений. Он возвращает компактное решение, которое программа может проверить без разбора свободного текста.
Поэтому Jev полезен не вместо каждого LLM-вызова, а в тех местах системы, где требуется выбрать маршрут, оценить признак или решить, нужно ли продолжать дорогую обработку.
Как работает параллельный выбор
Все вопросы одного запроса видят одно и то же состояние и оцениваются независимо. Добавление вопроса почти не увеличивает задержку так, как увеличила бы последовательность отдельных генераций.
Если следующий вопрос действительно зависит от предыдущего ответа, зависимость реализует код отдельным вызовом. Независимые вопросы лучше отправлять вместе.
Для каких задач подходит
Лучший кандидат — быстрое суждение, которое опытный человек способен сделать за секунду при наличии нужного контекста.
- маршрутизация обращения по отделам
- оценка срочности, риска или релевантности
- выбор следующего инструмента агента
- фильтрация фрагментов перед RAG-ответом
- проверка входа и выхода генеративной модели
Пример результата
Приложение заранее перечисляет отделы. Jev выбирает наиболее вероятный вариант и возвращает полное распределение, а код применяет порог уверенности.
{
"model": "jev-1.13.0",
"answers": {
"department": {
"type": "choice",
"choice": "billing",
"probabilities": { "billing": 0.88, "technical": 0.12, "sales": 0 },
"confidence": 0.81
}
}
}Когда Jev не подходит
Jev не должен выполнять точную арифметику, сравнивать даты, надёжно считать элементы или создавать длинный новый текст. Сложную задачу лучше разложить на атомарные суждения, а вычисления и гарантии оставить коду.
- свободная генерация и объяснение
- точные числовые вычисления
- многошаговое рассуждение с косвенными условиями
- необратимое действие без дополнительной проверки
Как начать
Возьмите один процесс с известными вариантами результата. Опишите минимальное состояние, выберите примитив, задайте критерии и проверьте пограничные примеры.
Для первого прототипа можно использовать прямой TypeSafe API или OpenRouter. В производстве фиксируйте версию модели, порог уверенности и резервный маршрут.